Weitere ähnliche Inhalte
Ähnlich wie パーソナル人工知能 SENSY と機械学習技術 (14)
パーソナル人工知能 SENSY と機械学習技術
- 21. © Copyright COLORFUL BOARD 20171
自己紹介
氏名:岡本 卓
所属:千葉大学 大学院工学研究院 電気電子工学コース 准教授
カラフル・ボード株式会社 人工知能技術アドバイザー
2017年10月から
カラフル・ボード株式会社 CRO(Chief Research Officer)兼
SENSY 人工知能研究所 代表
としてJoin予定。
専門:システム工学,最適化理論,ソフトコンピューティング,計算知能,複雑系
- 22. © Copyright COLORFUL BOARD 20172
AIとCI
(今の)人工知能(Artificial Intelligence: AI)
計算知能(Computational Intelligence: CI)
(強い)人工知能
数理論理学に基づいて人間と同じ「知性」をアルゴリズムによって構築しよう
とするアプローチ
計算知能
機械学習や最適化技術を用いて,
人間が行うような情報処理をコンピュータの(大規模な)計算によって
代替させるアプローチ
データや問題設定は人間が(結構噛み砕いて)与える
人間が行う情報処理を「学習」する
最適な解を計算によって見つけ出す
- 23. © Copyright COLORFUL BOARD 20173
「感性」を学習するパーソナル人工知能:SENSY
SENSYは、ユーザーの自由な時間を生み出すために、「2人目の自分」として24時間働い
てくれる自分の分身のような人工知能ロボットである。
感性を覚えさせる
コンテンツを届ける
感性
パーソナル人工知能ユーザー
私の好きな
ファッション 私の好きな
デザート
仕事中に聞く
ミュージック 夏休みに行きたい
観光地
生活データ
- 24. © Copyright COLORFUL BOARD 20174
クラウド上にパーソナル人工知能のプラットフォームを構築
Fashion
Cosmetics
Gourmet
Movie
HairHealthcare
Travel
Book
App
Advertisement
News
Music
- 25. © Copyright COLORFUL BOARD 20175
あらゆるビジネスの変革も通じて、ライフスタイルを変えていく
SENSYはコンシューマー向けにサービス開発するのみならず、あらゆるビジネスパート
ナーの変革も通じて人のライフスタイルを変えていく。
ビジネス コンシューマー
サービス提供
サービス提供パートナリング
- 26. © Copyright COLORFUL BOARD 20176
既に9つのプロダクトをリリース、さらに3つを開発中
ビジネス向け、コンシューマー向けを含めて、既に8つのプロダクトをリリース、さらに
3つを開発しており、今後も企画開発を加速していく。
ビジネス コンシューマー
R&D MD Marketing Sales CS
SENSY BOT
SENSY CLOSET
SENSY (Fashion)
SENSY Sommelier
SENSY CLOSET
@shop
SENSY Sommelier
@shop
SENSY POS
SENSY BOT
for Biz
SENSY
Chat-Desk
SENSY Marketing
Brain
SENSY MDSENSY COOK
Life
DevelopingReleased Planning
その他企画中の案件多数
- 27. © Copyright COLORFUL BOARD 20177
SENSYで使われているCI技術
Neural Networks
Convolutional Neural Networks (CNN) / Auto-encoder
— 特徴量抽出器(Encoder)としての利用がメイン
Multi-Layered Perceptron (MLP) / Radial Basis Function Networks (RBFN)
— メインの予測器,識別器
— Marketing Brain, CLOSET, Sommelierなど
Recurrent Neural Networks (LSTM, GRU)
— 時系列データの予測(需要予測,言語処理)
— MD, BOTなど
(他の)機械学習技術
クラスタリング法(k-means, Neural Gas)
— ユーザセグメンテーション,代表色抽出など
決定木型アンサンブル学習器(Random Forest, Gradient Boosting Decision Tree)
— 規模が大きくない学習,需要予測など
最適化・進化計算
予測器の出力を最適化・制約を満たす組み合わせを探索
— CLOSETなど
- 31. © Copyright COLORFUL BOARD 201711
SENSY CLOSETサービス全体概要
SENSY CLOSET@STORE(店頭)
スタッフがお客様のアイテムや店舗別の在庫を把
握しながら、アイテムやコーディネートをお薦め
アイテム・作成したコーディネートお気に入り登
録が可能
SENSY CLOSET
(ユーザーアプリ)
ユーザーが自分のクローゼットのア
イテムや日々のコーディネートを登
録・管理
店舗・ECで作成したコーディネート
をアプリに保存
My Closet呼び出し
購買アイテム・お気
に入りコーデ保存
SENSY CLOSET@shop(EC)
ECでユーザーが自分のアイテムを呼び出してECア
イテムとコーディネート
アイテム・コーディネート
をお気に入り登録
My Closet呼び出し
購買アイテム・お気
に入りコーデ保存
アイテムを
My Closetに
登録
SENSY CLOSETサービスは、ユーザーアプリ・店頭アプリ(タブレット端末)・オンライ
ンショップ(EC)の3つが連動して、店舗アイテム・ユーザーのクローゼットが連動した
コーディネート・お薦めを提供できるプラットフォームです。
- 32. © Copyright COLORFUL BOARD 201712
あるECサイト導入事例ではコーディネート提案の導入により、コンバージョンレートが
39%、購入単価が36%向上し、結果ユーザー訪問当りのマネタイズ価値は90%向上した。
コンバージョンレート 購入単価 セッション当り期待売上
39%up 36%up 90%up
SENSY CLOSET @shop:実績
- 33. © Copyright COLORFUL BOARD 201713
コーディネート自動生成エンジン (1)
アイテムごとに特徴量を算出
コーディネートカテゴリ (トップス, ボトムス, 靴など)
F値 (Formalness) (スーツ:10, ポロシャツ:6,スウェット:1)
A値 (Assertiveness) (自己主張の激しいアイテムは1)
W 値 (Color Weight) (明るい:0,暗い:1)
色比率 (暖色,寒色,無彩色,中性色)
季節タグ (夏物,冬物)
カテゴリ:トップス
F値:6
A値:1
W 値:1
色比率:0.4, 0.05, 0.5, 0.05
- 34. © Copyright COLORFUL BOARD 201714
コーディネート自動生成エンジン (1)
アイテムごとに特徴量を算出
コーディネートカテゴリ (トップス, ボトムス, 靴など)
F値 (Formalness) (スーツ:10, ポロシャツ:6,スウェット:1)
A値 (Assertiveness) (自己主張の激しいアイテムは1)
W 値 (Color Weight) (明るい:0,暗い:1)
色比率 (暖色,寒色,無彩色,中性色)
季節タグ (夏物,冬物)
カテゴリ:トップス
F値:6
A値:1
W 値:1
色比率:0.4, 0.05, 0.5, 0.05
- 35. © Copyright COLORFUL BOARD 201715
コーディネート自動生成エンジン (1)
コーディネート算定問題
minimize F値平均値 F値目標値
subject to にユーザの指定したアイテムが含まれる
max
∈
min
∈
∈
上半身W 平均値 下半身W 平均値
に夏物と冬物が同時に含まれない
がコーディネート配色制約を違反しない
がコーディネートが成立する組み合わせである
: 番目のカテゴリに割り当てられたアイテム(0は割当なし)
e.g. :ハットのアイテム, :トップスのアイテム,…
:アイテムが割当られた(0でない)カテゴリ番号集合
組合せ最適化問題 → 遺伝的アルゴリズムを用いてコーディネートを探索
- 36. © Copyright COLORFUL BOARD 201716
コーディネート自動生成エンジン (2)
コーディネートスコア学習器
CNNbasedencoder
アイテム画像
※ コーデが成立するように
選択
RBFN
ア
イ
テ
ム
特
徴
量
[コーデスコア]
[画像]
Encoder
(Conv. layers,
Pooling layers)
[アイテム
カテゴリ]
Affine
Sigmoid
Affine
Softmax
MLP
(Fully connected)
スタイリスト / ユーザの
スコアリング結果を学習
- 37. © Copyright COLORFUL BOARD 201717
コーディネート自動生成エンジン (2)
コーディネート探索問題
maximize コーディネートスコア
subject to にユーザの指定したアイテムが含まれる
がコーディネートが成立する組み合わせである
:コーディネートを表現するアイテムIDベクトル
— アイテムID → アイテム画像 → 学習器に入力
組合せ最適化問題
遺伝的アルゴリズムを用いてコーディネートを探索